Autor
Während wir über die Erkenntnisse nachdenken, die wir während der Snowday"-Veranstaltung am 1. und 2. November gewonnen haben, erwartet uns eine Kaskade spannender Enthüllungen über die Zukunft von Snowflake.
Dieser Artikel befasst sich mit den bemerkenswerten wissenschaftlichen Funktionen von data , die auf der Veranstaltung vorgestellt wurden, und beleuchtet die Innovationen und Fortschritte, die im Mittelpunkt der Veranstaltung standen.
Begleiten Sie uns auf dieser Reise zu den Höhepunkten von Snowdays, mit besonderem Augenmerk auf die neuesten wissenschaftlichen Features von data , wie zum Beispiel:
Snowflake Cortex Highlights
Ein Überblick über die GenAI- und LLM-Funktionen in Snowflake
Sprachmodell-Fähigkeiten (LLM) (einige Modelle sind öffentlich, andere sind noch in der privaten Vorschau)
LLMs sind eine neue Art von AI Modell, das Text generieren, Sprachen übersetzen, verschiedene Arten von kreativen Inhalten schreiben und Ihre Fragen auf informative Weise beantworten kann. Mit den neuen LLM-Funktionen ist Snowflake eine der ersten Cloud-Plattformen data , die den Nutzern Zugang zu dieser leistungsstarken neuen Technologie bietet.
Damit unterscheidet sich Snowflake von anderen data Cloud-Plattformen, denn es verschafft Snowflake-Nutzern einen erheblichen Vorteil bei der Entwicklung von AI Anwendungen. Mit Snowflake Cortex können Benutzer nun problemlos AI Anwendungen erstellen, die eine Vielzahl von Aufgaben erfüllen können, wie z. B. die Erstellung von reports, die Erkennung von Betrug und die Vorhersage von Kundenverhalten.
Hier sind einige spezifische Anwendungsfälle für die LLM-Funktionen von Snowflake:
Erweiterte Suchfunktionen (in privater Vorschau)
Die neuen erweiterten Suchfunktionen von Snowflake machen es den Nutzern leichter als je zuvor, die data zu finden, die sie benötigen, unabhängig davon, wo sie gespeichert sind. Dies ist ein großer Vorteil gegenüber anderen Cloud-Plattformen data , die in der Regel nur begrenzte Suchmöglichkeiten bieten.
Die neuen Suchfunktionen von Snowflake ermöglichen es den Nutzern insbesondere,:
Diese erweiterten Suchfunktionen können den Benutzern helfen, bei der Arbeit mit data Zeit zu sparen und produktiver zu sein. Ein data Analytiker könnte beispielsweise die neuen Suchfunktionen nutzen, um schnell alle data zu finden, die für ein bestimmtes Analyseprojekt relevant sind. Oder ein Geschäftsanwender könnte die neuen Suchfunktionen nutzen, um alle data zu finden, die sich auf einen bestimmten Kunden oder ein bestimmtes Produkt beziehen.
Ganz zu schweigen davon, dass die Verwendung der verschiedenen Schneeflockenfilter, die diese Suchfunktionen bieten (Spaltenbenennung, Tagging, Metadatenspezifikation), zu einer Erhöhung der data Konsistenz führt.
Abschließend ist anzumerken, dass damit ein wichtiger Aspekt von data Katalogen angesprochen wird. Angesichts der Herausforderungen, die mit der Implementierung eines data Katalogs verbunden sind, ist die Nutzung dieser in Snowflake integrierten Funktion besonders attraktiv.
SQL-Befehle für die Stimmungsanalyse und -zusammenfassung (in privater Vorschau)
Die neuen SQL-Befehle von Snowflake für die Stimmungsanalyse und -zusammenfassung machen es den Nutzern leicht, Erkenntnisse aus ihren data zu gewinnen, ohne neue Tools oder Sprachen lernen zu müssen. Dies ist ein großer Vorteil gegenüber anderen Cloud-Plattformen data , bei denen die Nutzer in der Regel separate Tools für diese Aufgaben verwenden müssen.
Die neuen SQL-Befehle von Snowflake ermöglichen es den Nutzern insbesondere,:
Diese neuen SQL-Befehle können den Benutzern helfen, bei der Arbeit mit data Zeit zu sparen und produktiver zu sein. Ein Geschäftsanwender könnte die neuen SQL-Befehle zum Beispiel nutzen, um die Stimmung von Kundenrezensionen schnell zu analysieren oder einen langen und komplexen Bericht zusammenzufassen.
Snowflake Copilot (in privater Vorschau)
Es handelt sich um einen LLM-gestützten Assistenten zur Generierung und Verfeinerung von SQL mit natürlicher Sprache. Darüber hinaus wird diese Text-to-Code-Funktionalität bald auch programmatisch über eine Allzweckfunktion, Text2SQL, mit Snowflake Cortex zur Verfügung stehen.
Dokument Data Extraktion mit Dokument AI (in privater Vorschau)
Snowflake Cortex's Document AI, powered by LLM ermöglicht die effiziente Extraktion von data aus verschiedenen Dokumenttypen (pdf, word, txt, screenshots) und spart damit Zeit und Ressourcen bei der manuellen Verarbeitung von data .
Insgesamt sind die neuen Funktionen von Snowflake sehr beeindruckend und haben das Potenzial, die Art und Weise zu revolutionieren, in der Menschen die Plattformen von data nutzen.
Snowflake hebt sich deutlich von der Konkurrenz ab, indem es innovative Funktionen bietet, die es den Nutzern erleichtern, AI Anwendungen zu entwickeln und einzusetzen, data zu finden, ML-Funktionen zu verwalten und ML-Modelle gemeinsam zu nutzen. Snowflake macht es den Nutzern auch leichter, Erkenntnisse aus ihren data zu gewinnen, ohne neue Tools oder Sprachen erlernen zu müssen.
Funktionsspeicher (in privater Vorschau)
Ein Feature Store ist ein zentrales Repository für die Verwaltung und gemeinsame Nutzung von Funktionen für maschinelles Lernen. Der neue Funktionsspeicher von Snowflake erleichtert den Benutzern die Entwicklung und Bereitstellung von ML-Modellen.
Damit unterscheidet sich Snowflake von anderen Cloud-Plattformen ( data ), denn es bietet den Nutzern einen einzigen Ort, an dem sie alle ihre ML-Funktionen verwalten können. Dies kann den Benutzern helfen, Zeit zu sparen und die Effizienz ihres ML-Entwicklungsprozesses zu verbessern.
Hier sind einige spezifische Anwendungsfälle für Snowflake's Feature Store:
Modell-Sharing
Die Fähigkeit von Snowflake, ML-Modelle gemeinsam zu nutzen, ist ebenfalls ein wichtiges Unterscheidungsmerkmal. Dies wird die Zusammenarbeit bei ML-Projekten erleichtern und den Zugang zu ML demokratisieren.
Snowflake ermöglicht es Benutzern, ML-Modelle mit anderen zu teilen, sowohl innerhalb als auch außerhalb ihrer Organisation. Dies kann dazu beitragen, die Entwicklung und Einführung von ML-Anwendungen zu beschleunigen.
Im Folgenden finden Sie einige konkrete Anwendungsfälle für die Modellfreigabefunktion von Snowflake:
Snowflake Notebooks (in privater Vorschau)
Snowflake Notebooks, eine Cloud-basierte Umgebung, die speziell für die Entwicklung und Ausführung von Code konzipiert wurde, weist Ähnlichkeiten mit Notebooks auf, die bereits seit einigen Jahren auf anderen Cloud-Plattformen data verfügbar sind. Databricks war der Pionier in diesem Bereich, und BigQuery folgte mit seiner Ankündigung am 31. August. Diese Notebooks wurden sorgfältig entwickelt, um die Leistung innerhalb des Snowflake-Ökosystems zu optimieren.
Snowflake Notebooks bieten eine Reihe von Vorteilen gegenüber herkömmlichen IDEs, wie z. B.:
Snowflake Notebooks befinden sich derzeit in der Beta-Phase, sollen aber in naher Zukunft für die breite Öffentlichkeit freigegeben werden.
Was Snowflake als Entwicklungsumgebung für maschinelles Lernen von anderen unterscheidet, ist die Tatsache, dass es aus Python-APIs besteht, auf die über die Snowpark ML-Bibliothek zugegriffen werden kann, sowie aus SQL-Schnittstellen für die Definition, Verwaltung und den Abruf von Merkmalen, zusammen mit einer verwalteten Infrastruktur für die Verwaltung von Merkmal-Metadaten und die kontinuierliche Verarbeitung von Merkmalen. Damit entfällt der Bedarf an spezialisiertem AI Fachwissen. Darüber hinaus versetzen der Feature Store und die Funktionen zur gemeinsamen Nutzung von Modellen Snowflake in die Lage, effektiver mit seinen Mitbewerbern gleichzuziehen, insbesondere mit Databricks, das in den letzten Jahren aufgrund seiner Integration mit ML Flow offensichtlich die Oberhand hatte.
Schlussfolgerung
Die Vorstellung neuer Funktionen, darunter Snowflake Cortex, Copilot, Document AI und Notebooks, bestätigt das Engagement des Unternehmens für Innovation. Obwohl die Ankündigungen von data mit den aktuellen GenAI-Trends übereinstimmen, sollten sie mit Vorsicht genossen werden. Es ist bemerkenswert, dass bestimmte Funktionen, obwohl sie schon vor langer Zeit angekündigt wurden, immer noch nicht in allen Umgebungen allgemein verfügbar sind. Schließlich sollten wir diesen Innovationen mit einem offenen Geist und einem vorsichtigen Optimismus begegnen und bereit sein, die Möglichkeiten zu nutzen, ohne die Realität aus den Augen zu verlieren.
